北京
不依賴真實語音堆料也能在低資源語言合成上超越現有最強模型，這是入選 ICML 2026 的 SE-Bridge-TTS 交出的答案。該工作以合成數據擴展與偏好對齊為核心，完全繞開了傳統對大規模真聲采集的路徑依賴，僅利用極少量的真實語音標注即可完成自舉訓練。在泰語、老撾語等長期缺乏高質量語音數據的語種上，SE?Bridge?TTS 一舉刷新多項客觀與主觀評測指標，實現對先前 SOTA 的全面超越。研究團隊同步釋出了泰語、老撾語預訓練權重以及專門的評估基準，為整個低資源語音合成社區補上了關鍵的基礎設施缺口。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
